基于學生出行管理的校園公路客運訂票系統研究

張國勝，賈正文，魏海霞，蘇二磊，韓寧寧（河南理工大學 土木工程學院，河南 焦作 454000）

基于學生出行管理的校園公路客運訂票系統研究

張國勝，賈正文，魏海霞，蘇二磊，韓寧寧
（河南理工大學 土木工程學院，河南 焦作 454000）

針對學生群體出行計劃性強、組織性好、客流高度集中的特點，基于B/S體系結構、Ajax等技術，并運用BP神經網絡客流預測模型，開發出校園公路客運訂票系統。通過該訂票系統，可以實現學生客運車票的訂購，并且學校管理部門能夠查詢學生出行的實時數據，便于學校管理部門及時了解學生出行動態，實現學校對學生安全出行及外出集中實習教學的管理。客運部門應用本系統可及時處理學生客流所引發的客流高峰問題，并通過對學生訂票信息數據的挖掘和預測分析，可提高信息化管理水平和服務質量。應用該訂票系統對客運量進行預測，結果表明預測數據與實際客運量誤差較小，系統可提供較準確的客運信息。

訂票系統；BP神經網絡；學生客流；出行管理；校園

0　引言

公路運輸在整個交通運輸系統中處于基礎及主導地位，其發達程度已經成為衡量一個國家經濟實力和現代化水平的重要標志。雖然近年來我國公路建設取得了舉世矚目的成就，客運信息化水平不斷提高，但客運市場的供需問題依然突出。尤其在寒暑假、五一、十一、春節等節假日期間，高度集中的學生客流通過公路運輸往返家鄉和學校，突然激增的巨大客流量給客運公司的窗口售票、汽車調度等正常運營活動帶來了極大挑戰。以河南理工大學為例，據統計在校歷確定寒假放假時間前后共一周時間內離校人數，如圖1所示。客運運力的不足和售票服務資源的嚴重短缺造成大量人員在車站內滯留和擁擠，帶來巨大的安全隱患，同時給高校學生安全出行管理工作帶來了很大困難[1-2]。

圖1　學生寒假出行統計圖

另一方面，學校各專業集中安排的認識實習、生產實習、畢業實習等實習期間，不論采用的是集中實習方式還是分散實習方式，都會有大批學生客流涌向客運站。以河南理工大學的9個學院為例，統計分析各學院各專業2010級到2013級的培養方案，匯總各學院外出實習的周次時間，如圖2和圖3所示。學生出行具有集中性，時間多集中在節假日、實習階段，時間相對集中的實習學生流給學生管理和客運站服務工作增加了新的難題。

目前，國內外開發了鐵路等訂票系統，技術已比較成熟。但現有訂票系統未充分考慮學生這種特殊群體，在系統訪問量激增時，可能出現系統忙而無法正常提交訂單的狀況，甚至系統有崩潰的風險。針對學生群體出行計劃性強、組織性好、客流高度集中的特點，專門開發出方便高效的校園客運訂票系統，既可以提高公路客運信息化水平、節約成本、提高效率、全面服務與方便學生，也方便高校學生出行管理[3]。

圖2　各學院各專業外出實習累計周數圖

圖3　各專業實習累計周數占總學時比例圖

1　校園客運訂票系統開發

1.1訂票系統開發技術

本系統采用B/S體系結構，設計編程使用Asp. net語言，按系統模式來設計，并利用Asp.net的工廠模式來開發設計。Asp.net語言中，利用Visual Studio 2008開發平臺中的Ajax技術，異步刷新，對數據進行實時讀取，使訂票系統信息與客運站數據同步。

定義校園卡、中國銀聯、支付寶等支付方式與訂票系統數據傳輸包的格式，能夠實現訂票、支付、費用查詢以及明細對賬等功能。采用Web Ser?vice技術為客運站站務管理信息系統提供接口，客運站站務管理系統通過此接口進行班次管理、車輛調度、結算等操作；同時使用該技術為學校管理系統提供接口，方便主管部門或主管教師查詢信息、統計相關數據等。另外，為確保網上傳遞信息的機密性、完整性，保證賬戶及資金的安全，本系統采用數字證書技術來進行身份驗證[4-6]。

1.2訂票系統開發運用的主要算法

本系統中客流量的分析預測采用的是人工神經網絡模型。人工神經網絡是一種按照人腦的組織和活動原理而構造的一種數據驅動型非線性映射模型，可以實現任何復雜的因果關系映射，能夠從大量的歷史數據中進行聚類和學習，進而找到某些行為變化的規律。它可以處理那些難以用數字模型描述的系統，具有很強的并行處理、自適應、自組織、聯想記憶以及任意逼近非線性等特性，特別適用于處理復雜問題，在預測評估、智能控制、模式識別、信號處理、自適應控制和預測等領域廣泛應用。

人工神經網絡是現代神經生物學研究基礎上提出的模擬生物過程，反映人腦某些特性的一種計算結構。人工神經網絡是人腦神經系統的某種抽象、簡化和模擬。模擬生物神經網絡的生物神經元，在人工神經網絡中，神經元常被稱為“處理單元”或“節點”。具有層次型結構的神經網絡將神經單元按功能分成若干層，如輸入層、中間層（也稱隱層）和輸出層，各層順序相連。輸入層各神經元負責接收來自外界的輸入信息，并傳遞給中間各隱層神經元；隱層是神經網絡的內部信息處理層，負責信息變換，根據信息變換的需要，隱層可設計為一層或多層；最后一個隱層傳遞到輸出層各神經元的信息經進一步處理后完成一次信息處理，由輸出層向外界輸出信息處理結果。

人工神經網絡的功能特性和智能體現由其連接的拓撲結構和突觸連接強度（即連接權值）決定。神經網絡的全體連接權值可用一個矩陣W表示，其整體反映了神經網絡對于所解決問題的知識存儲。神經網絡能夠通過對樣本的學習訓練，不斷改變網絡的連接權值以及拓撲結構，以使網絡的輸出不斷接近期望的輸出。這一過程稱為神經網絡的學習或訓練，其本質是可變權值的動態調整。

目前，在人工神經網絡的實際應用中，絕大部分的神經網絡模型都采用BP網絡及其變化形式。BP神經網絡是前向網絡的核心部分，體現了人工神經網絡的精華。BP神經網絡算法的主要思想是把學習過程分為兩個階段：第一階段（正向傳播過程），給出輸入信息通過輸入層經隱含層處理并計算每個單元的實際輸出值；第二階段（反向過程），若在輸出層未能得到期望的輸出值，則逐層遞歸地計算實際輸出與期望輸出之差值（即誤差），以便根據此差值調節權值，具體來說，就是可對每一權重計算出接收單元的誤差值與發送單元的激活值的積[7-9]。

關于BP神經網絡的學習算法原理，現以一個3層模型為例來介紹。假設輸入層、中間層（隱層）、輸出層的節點數目分別為m、l、n個；樣本輸入 為X=(x0,x1,…,xm-1)； 中 間 層 輸 出 為Y=(y0,y1,…,yl-1)；輸出層輸出為O=(o0,o1,…,on-1)；期望輸出為T=(t0,t1,…,tn-1)；Wij為輸入層節點i到中間層節點 j的連接權；Wjk是中間層節點 j到輸出層節點k的連接權；θj是中間層節點j的偏置量；rk為輸出層節點k的偏置量，則BP算法可簡述如下。

（1）網絡初始化，用較小的隨機數對網絡的權值及偏值量賦初值。

（2）輸入第一個學習樣本，每一樣本都是由輸入｛X｝和輸出｛T｝組成。

（3）求中間層節點 j的輸入Uj和相應的輸出yj： ； yj=f(Uj)，這里所有的

（4）求輸出層節點k的輸入Sk和相應的輸出Ok：；Ok=f(Sk)。

（5）求輸出節點k的誤差信號 δk： δk= (tk-Ok)Ok(1-Ok)。

（6）求中間層節點j的誤差信號 σj： σj=

（7）調整連接權Wjk和偏值量 rk：Wjk= Wjk+α?δk?yj，α∈(0,1)；rk=rk+η?δk，η∈(0,1)。

（8）調整連接權 Wij和偏值量 θj： Wij= Wij+α?σj?Ii，α∈(0,1)；θj=θj+η?σj，η∈(0,1)。

（9）輸入下一個學習樣本。

（10）如有學習模式返回步驟（3）。

（11）重復學習。

1.3訂票系統模塊

校園客運訂票系統分為3個模塊，學生訂票模塊、學生管理模塊和票務管理模塊。

1.3.1學生訂票模塊

學生訂票模塊供學生登錄使用，包括：本人信息管理功能、查詢功能、訂票功能、預訂功能、在線支付功能、退票功能等。

（1）本人信息管理功能

本人信息管理功能可實現：①學生無需注冊，只需用登錄學校教務系統的學號與密碼便可登錄校園客運訂票系統，體現了該系統的便利及人性化；②學生登陸系統后可查看學校學生數據庫導入訂票系統的學生基本信息資料，包括學生姓名、身份證號、學號、學院、專業班級、手機號、電子郵箱、家庭住址等信息，學生無需再填寫信息；若信息有誤，向學校有關部門提出申請后便可授權更改，方便快捷。

（2）預訂功能

當學生查詢某線路系統顯示余票數為0時，購票按鈕顯示為灰色，此時點擊“加班車申請”按鈕可進行加班或調度車輛的預訂。車站管理人員在每天下午16：00統計學生預訂信息，并根據信息調度車輛、增添班次，隨后把增添班次信息更新到訂票系統里，并通過手機短信通知預訂學生是否預訂成功，若預定成功則可在當日19：00前繼續完成購買支付。如此學生在客流高峰期能如愿早日回家。

（3）在線支付功能

學生提交訂單后即可在線支付，在線支付支持校園卡、支付寶、網銀等支付方式，校園卡與訂票系統數據傳輸包的格式已提前定義好，學生使用校園卡在線支付更加方便快捷。

學生預訂車票成功之后，該系統支持自主打印車票。以往打印車票都需要人工輸入，不僅效率很低，并易出現錯誤。現在做一接口，將預訂成功的學生預訂信息，輸入售票主機，按院系或班級集中打印，也可完成個人打印，效率大大提高，并不易出現錯誤。

1.3.2學生管理模塊

學生管理模塊供學生工作處的管理人員、學生輔導員、學生班主任等管理人員登錄使用，包括管理功能、查詢功能、統計分析功能等。

（1）管理功能

學校管理人員可以管理學生個人信息，包括更改學生個人信息，添加學生資料，刪除已畢業或已經退學的學生信息；學生管理人員及時更新系統里學生的信息，確保信息的準確性與真實性；實習指導老師在組織學生外出集中實習時還可為其所有指導的學生進行批量訂票，方便快捷。

（2）統計分析功能

學校管理人員可將學生訂票信息錄入到數據庫里，按類進行排序與統計；可以按終點站、訂票日期、出行目的、學生是否訂票、訂票學生是否回家等進行統計，打印出所需的報表。這樣既有利于老師了解學生整體訂票情況，提醒并幫助未訂票成功的學生盡快訂票，又便于老師對學生的管理以及學校集中實踐教學安排。

學校管理人員可對統計的數據進行分析，挖掘數據現象背后的事實，例如對暑假未回家學生去向及原因進行統計分析。學生暑假不回家的原因主要有外出打工、出游、留校等，輔導員和班主任可通過系統給未回家學生群發在外注意安全、和父母及老師保持聯系等溫馨提示的短信。管理人員可重點分析學生外出打工的原因：分析學生是由于家庭經濟困難還是鍛煉自己或者其他原因而外出打工；老師可根據實際情況適當給予由于家庭經濟困難而外出打工的學生一定的資助，并與學生多交流給予其學習、生活上的指導與幫助。

1.3.3票務管理模塊

客運站管理人員能夠更改本系統所顯示的汽車票務信息、站點信息、系統資訊等，以及統計分析學生的訂票信息。系統可挖掘并處理往年訂票系統中的海量學生訂票數據，并建立BP神經網絡模型進行預測分析以后同一客流集中時間段的學生客流量，為客運部門合理安排運能、科學組織管理提供了準確的決策信息和先進的預測手段。同時可根據學生訂票信息進行統計與計算，將一些滿票或無票的數據信息顯示給車站管理員。這便于車站及時調度車輛、增加線路班次并更新到訂票系統，能夠最大程度地滿足學生訂票需求，提高車站的工作效率及客運能力。

2　校園客運訂票系統的實現與應用

校園客運訂票系統主要分為3個模塊：學生訂票模塊、學生管理模塊和票務管理模塊。系統實現了開發前期預想的功能，限于篇幅，在此只列舉部分主要功能的實現界面。

學生登錄校園訂票系統無需注冊，只需用登錄學校教務系統的學號與密碼即可登錄，體現了該系統的便利及人性化。學生登錄系統后進行班次查詢，可在班次查詢界面輸入到達城市站、出發日期，選擇出行目的，填寫驗證碼后點擊查詢。以查詢到達平頂山班次為例，查詢結果如圖4所示。學生提交訂單后即可在線支付，在線支付支持校園卡、支付寶、網銀等支付方式。

圖4　班次查詢結果示意圖

教師登錄系統后可進入“信息管理”、“信息查詢”、“信息統計分析”3個功能界面。以登錄“信息查詢”功能為例，選擇出行時間段，輸入關鍵字后，可以查詢相對應學生的出行情況，不僅包括學生乘車時間、目的地，還有學生專業班級、家庭住址等基本信息。登錄“信息統計分析”功能界面，可以對學生訂票信息進行統計分析，如統計土木學院2011級453名學生暑假出行情況統計結果（見圖5）。輔導員點擊未訂票人按鈕可查詢未訂票學生信息，具體了解其未訂票原因，提醒并幫助未訂票成功的學生盡快訂票。

圖5　暑假學生出行統計結果示意圖

客運站管理人員登錄票務管理模塊后，除能進行常規票務管理操作外，可通過挖掘并處理往年訂票系統中的海量學生訂票數據，并建立BP神經網絡模型進行預測分析以后同一客流集中時間段的學生客流量。因系統未投入使用，學生客流量數據尚未采集到。在此利用焦作市客運管理部門提供的2012—2014年春運旅客運輸數據來驗證BP神經網絡預測的準確性。其中取投入運力、實發班次作為影響因子，以客運量作為輸出因子，即網絡的輸出。以2012—2013年共40組春運旅客運輸數據（見表1）作為BP神經網絡的訓練樣本，以2014年10組春運旅客運輸數據作為網絡的外推測試樣本。

表1　2012—2013年春運旅客運輸數據統計表

表1（續）

本模型中網絡的輸入層神經元個數為2，隱層神經元個數為30，網絡的隱含層神經元的傳遞函數為Tansig，輸出層神經元的傳遞函數為Purelin，訓練函數選用Trainlm。在訓練模型前對數據進行歸一化處理，對預測輸出結果進行反歸一化處理。樣本數據在經過923次訓練后達到了目標誤差0.001，訓練結果的誤差性能曲線見圖6。以該訓練好的模型對2014年的10組春運旅客數據進行測試，預測結果和實際數據的對照見表2。

圖6　訓練誤差性能曲線

表2　2014年春運旅客實際運輸數據與預測數據對照表

在傳統預測方法中，指數平滑法是常用的一種方法。指數平滑法是布朗所提出的，布朗認為時間序列的態勢具有穩定性或規則性，所以時間序列可被合理地順勢推延；他認為最近的過去態勢，在某種程度上會持續到未來，所以將較大的權數放在最近的資料。本文以表1中旅客運輸數據為基礎，基于SPSS軟件運用指數平滑法對2014年春運旅客數據進行預測，并與實際客運量進行對比，結果如表2所示。

由表2可知，指數平滑法預測誤差不穩定，且預測結果不可靠。而BP神經網絡模型的預測誤差比較小，都在6%以內，說明BP神經網絡模型用于客流量的預測在技術上可行，且預測結果可靠。該預測手段可為客運部門合理安排運能、科學組織管理提供準確的決策信息。

3　結語

本客運訂票系統的主要功能及特色之處包括以下方面。

（1）學生無需注冊，使用教務系統的學號和密碼即可登錄校園客運訂票系統，方便快捷。

（2）在客流高峰期即使系統顯示車票已售完，學生仍可通過預訂功能使車站及時調度車輛、增添班次，滿足學生盡早回家的愿望。

（3）學生可通過校園卡在線支付，實現足不出校即可在校園里自主打印車票，免去訂票的奔波之苦，充分享受人性化服務。

（4）學校老師可以通過訂票系統查詢統計訂票信息，提醒并幫助學生及時訂票，保證學生安全出行；老師可準確掌握節假日和外出實習時的學生出行動態，減輕學生出行管理方面的壓力；學校管理人員可對統計的數據進行分析，挖掘數據現象背后的事實。如分析學生暑假外出打工的原因，加強學生管理。

該系統可以解決當前高校學生預訂客票的實際困難，利于學校對學生安全出行及外出集中實習教學的管理，同時可以提高客運站的信息化管理水平、客流預測能力和服務質量。

本文以河南理工大學校園客運訂票系統為例展開論述，而據教育部統計截止2013年全國普通高等學校數量達2 491所，普通本專科在校學生數量達2 468萬余人，在校學生數量近幾年一直保持增長趨勢[10]。若校園客運訂票系統推廣至火車、民航等客運訂票系統，并在全國高校推廣應用，將惠及兩千余萬學生，帶來極大的經濟效益和社會效益。訂票系統有待對鐵路、公路和民航互聯互通進一步研究，實現資源共享、數據互換全方位服務。

[1]孫春峰.學生火車票預訂管理信息系統的規劃與設計[D].長沙：中南大學，2007.

[2]馮心偉.中山學院學生火車票預訂管理信息系統的設計與實現[D].中山：電子科技大學，2012.

[3]張霞，張志強，呂曉艷，等.鐵路學生團體票訂票系統的設計與實現[J].鐵路計算機應用，2013（4）：18-21.

[4]商恩福.網上訂票系統分析與設計[J].電腦編程技巧與維護，2009（16）：13-19.

[5]張守祥，周全明.計算機網絡技術與設計[M].北京：清華大學出版社，2014.

[6]袁芳.基于ASP技術的學生信息管理系統的設計與實現[J].電腦編程技巧與維護，2011（6）：42-43.

[7]董長虹.MATLAB神經網絡與應用[M].北京：國防工業出版社，2005.

[8]尚濤.MATLAB基礎及其應用教程[M].北京：電子工業出版社，2014.

[9]周品.MATLAB神經網絡設計與應用[M].北京：清華大學出版社，2013.

[10]中華人民共和國教育部.各級各類學歷教育學生情況[EB/ OL].(2014.12.15)[2014.12.30].http://www.moe.edu.cn/pub?licfiles/business/htmlfiles/moe/s8493/201412/181593.html.

Campus Booking System for Highway Passenger Transportation Based on Student Travel Management

ZHANG Guo-sheng,JIA Zheng-wen，WEI Hai-xia,SU Er-lei,HAN Ning-ning
(School of Civil Engineering，Henan Polytechnic University,Jiaozuo 454000,China)

For students travel was strongly planed,well organized,and highly centralized,a campus booking system for highway passenger was developed based on B/S architecture,Ajax technology,and the BP neural network prediction model.Through the booking system,students can order tickets.And the administrative department of schools can search real-time data about students′travel at the same time,grasp the dynamic status of students′travel,achieve the management of students′safety travel and centralized internship teaching.The system was easy to help passenger transport departments timely han?dle problems caused by students′peak flow.Moreover,through digging and forecasting data about ticket?ing information,passenger transport department can improve the level of informatization management and the quality of service.The passenger volume was predicted by the booking system.The results showed that the error between predicted data and actual passenger volume was small,and more accurate information of passenger transport was provided by the booking system.

booking system;BP neural network;students passenger flow;travel management;cam?pus

U491

A

2095-9931（2015）02-0090-07

10.16503/j.cnki.2095-9931.2015.02.016

2015-01-11

張國勝（1990—），男，河南濮陽人，本科生，主要研究方向為土木工程。E-mail:guosheng_z@163.com。